html - 簡易 HTML パーサ

------------------------------------------------------------------------------
HTMLState

typedef enum
{
	HTML_NORMAL,
	HTML_PAR,
	HTML_BR,
	HTML_HR,
	HTML_HREF,
	HTML_IMG,
	HTML_FONT,
	HTML_PRE,
	HTML_UNKNOWN,
	HTML_CONV_FAILED,
	HTML_ERR,
	HTML_EOF
} HTMLState;

HTML パーサの現在の状態を表す enum です。

------------------------------------------------------------------------------
HTMLParser

struct _HTMLParser
{
	FILE *fp;
	CodeConverter *conv;

	GHashTable *symbol_table;

	GString *str;
	GString *buf;

	gchar *bufp;

	HTMLState state;

	gchar *href;

	gboolean newline;
	gboolean empty_line;
	gboolean space;
	gboolean pre;
};

HTML パーサの各種情報を格納する構造体です。

------------------------------------------------------------------------------
HTMLAttr

struct _HTMLAttr
{
	gchar *name;
	gchar *value;
};

HTML タグの各属性を表します。

------------------------------------------------------------------------------
HTMLTag

struct _HTMLTag
{
	gchar *name;
	GList *attr;
};

HTML タグを表します。タグ名と属性リストから構成されます。

------------------------------------------------------------------------------
HTMLParser *html_parser_new	(FILE		*fp,
				 CodeConverter	*conv);

HTML パーサオブジェクトを作成します。 HTML ファイルストリーム fp と
HTML ファイルのエンコーディングにあわせた CodeCoverter conv を渡します。

返った値は html_parser_destroy() で解放する必要があります。

fp: HTML ファイルストリーム
conv: CodeConverter 構造体へのポインタ
戻り値: 新規 HTMLParser 構造体へのポインタ

------------------------------------------------------------------------------
void html_parser_destroy	(HTMLParser	*parser);

HTMLParser オブジェクトを解放します。

parser: HTMLParser 構造体へのポインタ

------------------------------------------------------------------------------
const gchar *html_parse		(HTMLParser	*parser);

HTML ファイルから必要であれば1行読み込み、パースしてプレーンテキストに
変換した文字列を返します。

返った文字列は parser が保持しているため解放できません。

parser: HTMLParser 構造体へのポインタ
戻り値: プレーンテキストに変換された文字列
        ファイルの終端に達した場合 NULL